买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学申请的专利一种融合差分视频序列和卷积神经网络的抛洒物检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115223106B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110424771.3，技术领域涉及：G06V20/54；该发明授权一种融合差分视频序列和卷积神经网络的抛洒物检测方法是由阮雅端;唐正东;朱一鸣;沈阳;邵长宜;陈启美设计研发完成，并于2021-04-20向国家知识产权局提交的专利申请。

本一种融合差分视频序列和卷积神经网络的抛洒物检测方法在说明书摘要公布了：一种融合差分视频序列和卷积神经网络的抛洒物检测方法，构建场景的静态背景模型，然后通过基于高斯加权的背景差分法构建差分视频序列，提取前景，再提取前景中的静止目标，并和卷积神经网络模型相结合，分析排除前景静止目标中的非抛洒物，检测出当前视频帧的抛洒物。本发明充分利用隧道现有监控设施，可最大限度节省硬件投入，可以自动实时监测隧道内抛洒物事件的出现，实现了隧道交通中抛洒物事件检测的道路智能化。

本发明授权一种融合差分视频序列和卷积神经网络的抛洒物检测方法在权利要求书中公布了：1.一种融合差分视频序列和卷积神经网络的抛洒物检测方法，其特征是构建场景的静态背景模型，然后通过基于高斯加权的背景差分法构建差分视频序列，提取前景，再提取前景中的静止目标，并和卷积神经网络模型相结合，分析排除前景静止目标中的非抛洒物，检测出当前视频帧的抛洒物，包括以下步骤： Step1：静态背景模型构建，采集待检测路段的监控视频，学习得到静态背景模型； Step2：差分视频序列的构建，获取监控视频的N帧视频帧，视频帧与静态背景模型分别进行高斯加权二值化后再差分，提取出差分的前景，得到一个连续帧数大小为N的差分视频序列；其中，将静态背景模型和获取的监控视频当前帧同时采用基于局部颜色特征高斯加权二值化，所述高斯加权二值化为：取图像像素点位置点x0,y0，向外延展成3x3的像素矩阵H，该像素点位置设为该矩阵的中心点0,0，向外扩充的八个点坐标则分别为-1,1,0,1,1,1,-1,0,1,0,-1,-1,0,-1,1,-1，距离图像块的中心越近，其权重占比越大，距离越远，权重占比越小，带入到高斯分布公式： 式中σ表示正态分布离散程度， 根据以上计算，获得3x3的权重矩阵，归一化后的权重矩阵设为M，将归一化后的权重矩阵M与像素矩阵H按位置对应相乘，获得该区域的颜色阈值λ，遍历灰度化后的整张图像，若当前位置像素点的值大于邻近区域的颜色阈值λ，则设置为255,255,255，否则设置为0,0,0； Step3：前景静止物体的提取，对于所获的差分视频序列，若差分视频序列中同一像素点位置为前景的概率超过设定阈值，则判定为前景中的静止目标，否则为运动目标，然后对前景进行形态学操作，再通过边缘检测获取前景静止目标的边缘，对所得边缘进行膨胀腐蚀，将相邻边缘进行合并，最后通过轮廓检测，获取静止目标在监控视频对应视频帧中的坐标信息； Step4：构建目标检测卷积神经网络，对设定的非抛洒物进行预训练，得到对非抛洒物检测识别的卷积神经网络模型，将监控视频当前帧输入到卷积神经网络模型中，识别出当前帧中的的非抛洒物体； Step5：抛洒物分析预警，对应监控视频的视频帧设置抛洒物预警信号序列，序列初始值为0，将前景中提取的静止目标的候选框和卷积神经网络识别的非抛洒物体的候选框通过交并比进行重叠率筛选，排除掉静止目标中的非抛洒物，剩下的则判为抛洒物，若当前帧检测出抛洒物，则将当前帧对应的抛洒物预警信号序列的值更新为1，表示当前帧出现抛洒物，完成对一段差分视频序列的抛洒物检测后，统计抛洒物预警信号序列中抛洒物出现的频率，若超过设定阈值，则在当前帧中标记出抛洒物，并预警上报。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。